CN116244900A - 基于事故易发地数据的v2x功能测试场景库的构建方法 - Google Patents

基于事故易发地数据的v2x功能测试场景库的构建方法 Download PDF

Info

Publication number
CN116244900A
CN116244900A CN202211627708.0A CN202211627708A CN116244900A CN 116244900 A CN116244900 A CN 116244900A CN 202211627708 A CN202211627708 A CN 202211627708A CN 116244900 A CN116244900 A CN 116244900A
Authority
CN
China
Prior art keywords
traffic
accident
data
road side
prone
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211627708.0A
Other languages
English (en)
Inventor
左益芳
陈星筑
王龙翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xintong Institute Innovation Center For Internet Of Vehicles Chengdu Co ltd
Original Assignee
Xintong Institute Innovation Center For Internet Of Vehicles Chengdu Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xintong Institute Innovation Center For Internet Of Vehicles Chengdu Co ltd filed Critical Xintong Institute Innovation Center For Internet Of Vehicles Chengdu Co ltd
Priority to CN202211627708.0A priority Critical patent/CN116244900A/zh
Publication of CN116244900A publication Critical patent/CN116244900A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于事故易发地数据的V2X功能测试场景库的构建方法，属于车联网仿真场景构建领域。包括以下步骤S1：选取合适的事故易发地作为路侧采集数据的发生地；S2：发生地部署路侧感知设备；S3：通过路侧感知设备感知融合获得不同的目标物信息、车流量信息和交通事件类信息并将存储为数据；S4：截取不同目标物的交通行为信息、车流量信息和交通事件类信息的数据片段，进行统计分析，得到真实特色的事故易发地的典型行为场景库。本方法通过摄像头、毫米波雷达和激光雷达采集红绿灯路口、高速公路出入口等事故易发地的目标物及交通消息，在较短时间获得大量真实事故易发地的数据用于建立具有中国驾驶员行为特色的事故易发地仿真场景库。

Description

基于事故易发地数据的V2X功能测试场景库的构建方法
技术领域：
本发明属于车联网仿真场景构建领域，具体涉及一种基于事故易发地数据的V2X功能测试场景库的构建方法。
背景技术：
虚拟仿真场景的构建对智能网联汽车测试至关重要，现有仿真场景的数据来源主要依据专家经验、自然驾驶采集、事故数据和相关法规标准。其中自然驾驶数据的采集，主要通过装有激光雷达、毫米波雷达、摄像头、惯导等车载传感器的实车在真实交通环境中进行数据采集，但这种采集方式存在传感器局限性和数据局限性的问题。
传感器局限性：由于车辆的行驶过程中，可能会存在设备的抖动或者安装位置的移动，进而造成数据的部分缺失或者失效。
数据局限性：通过装有传统感知传感器试验车辆收集到的信息主要是针对试验车辆周围行驶环境，获得红绿灯路口、高速公路出入口、无红绿灯路口等事故易发地的数据，但所有数据均为试验车辆驾驶过程的数据片段，无法获取连续的数据。
但随着C-V2X技术的发展，on-boardunit(OBU)和roadsideunit(RSU)产品的测试工作陆续展开，可以通过摄像头、毫米波雷达和激光雷达采集有红路灯路口、高速公路出入口、无红绿灯路口等事故易发地的目标物及交通消息，根据微观交通行为表现特性，构建具有一定场景要素覆盖度和丰富度的虚拟仿真测试库，有效解决上述两个问题。但目前市场上缺乏一个针对此方案的构建方法。
发明内容
为解决上述问题，本发明的首要目的在于提供一种基于事故易发地数据的V2X功能测试场景库的构建方法，通过摄像头、毫米波雷达和激光雷达采集有红绿灯路口、高速公路出入口、无红绿灯路口等事故易发地的目标物及交通消息，可以在较短时间获得大量真实事故易发地的数据，用于建立具有中国驾驶员行为特色的事故易发地仿真场景库，实现Day1:交叉路口碰撞预警、左转辅助、闯红灯预警、绿波车速引导、前方拥堵提醒等场景，以及Day2:协作式车辆汇入、协作式交叉路口通行、动态车道管理等场景的仿真测试。
为实现上述目的，本发明的技术方案如下：
一种基于事故易发地数据的V2X功能测试场景库的构建方法，该构建方法包括以下步骤：
S1：选取合适的事故易发地作为路侧采集数据的发生地；
S2：在发生地部署路侧感知设备；
S3：通过路侧感知设备感知融合获得不同的目标物信息、车流量信息和交通事件类信息并将存储为数据；
S4：截取不同目标物的交通行为信息、车流量信息和交通事件类信息的数据片段，进行统计分析，得到真实特色的事故易发地的典型行为场景库；
S5：根据交通模拟场景Day1和Day2，得不同场景相应特征参数统计范围，利用虚拟场景仿真软件建立具有中国驾驶员行为特色的事故易发地的虚拟仿真功能场景库。
进一步地，步骤S1中，所述事故易发地包括有红绿灯路口、高速公路出入口、无红绿灯路口等。
进一步地，步骤S2中，路侧感知设备包括有摄像头、毫米波雷达、激光雷达，部署时：以1个摄像头、1个毫米波雷达和1个激光雷达为一组路侧感知设备，布置在路口的电警杆、信号灯杆、路灯杆或监控杆上；十字路口布置4组路侧感知设备，丁字路口布置3组路侧感知设备，高速公路出入口布置1组路侧感知设备。在本申请中，路侧感知设备能感知到交通参与者(目标物)信息，还能检测到交通事件和交通流相关信息。其中，路侧感知设备感知融合获得目标物信息，包含但不限于类型、速度、加速度、位置、尺寸、航向角、所属车道号等数据。目标物类型包含但不仅限于轿车、货车、客车和挂车等车辆，老人、儿童、成人等行人，以及自行车、摩托车和三轮车等目标类型。位置包括目标物在被测地的所处绝对位置和目标物间相对距离。交通事件类型有机动车违停、机动车/非机动车逆行、专用车道占用、机动车超速、机动车低速、违法掉头、违规变道、违法压线、行人闯入、占用公交车道、抛洒物、交通事故等，包含但不限于事件ID、事件类型、事件来源、事件位置、事件开始时间及持续时间、影响范围、所属车道号等。车流量检测包含检测时间、统计时间段内的车流量、所属车道号、拥堵程度等信息。
进一步地，步骤S3中，数据存储格式包括但不仅限于MP4、CSV。
进一步地，步骤S3中，目标物信息包含但不限于类型、速度、加速度、位置、尺寸、航向角、所属车道号等数据。目标物类型包含但不仅限于轿车、货车、客车和挂车等车辆，老人、儿童、成人等行人，以及自行车、摩托车和三轮车等目标类型。位置包括目标物在被测地的所处绝对位置和目标物间相对距离。交通事件类信息包含但不限于事件ID、事件类型、事件来源、事件位置、事件开始时间及持续时间、影响范围、所属车道号，交通事件类型有机动车违停、机动车/非机动车逆行、专用车道占用、机动车超速、机动车低速、违法掉头、违规变道、违法压线、行人闯入、占用公交车道、抛洒物、交通事故等。车流量信息包含但不限于检测时间、统计时间段内的车流量、所属车道号、拥堵程度。
进一步地，步骤S4中，目标物的交通行为信息包括有单个车辆直行、紧急制动、转弯、换道、掉头等行为，单个行人等待红绿灯、过人行道等行为，车车间的跟车、超车、切入、切出等行为以及人车间的让行等行为。通过分析单个车辆直行、紧急制动、转弯、换道、掉头等行为，单个行人等待红绿灯、过人行道等行为，车车间的跟车、超车、切入、切出等行为以及人车间的让行等行为特点并结合数据分布特性，统计分析不同时间段的车流量密度变化、车辆面对所属车道不同拥堵程度下行为特性以及车辆面对不同交通事件的行为特性，然后截取相应数据片段，以获得真实采集的特色的事故易发地的典型行为场景库。
进一步地，步骤S4中，截取的数据片段包括有目标物行为感知片段、交通流感知片段、交通事件感知片段。
进一步地，目标物行为感知片段包括有单个车辆直行、紧急制动、转弯、换道、掉头等行为，单个行人等待红绿灯、过人行道等行为，车车间的跟车、超车、切入、切出等行为以及人车间的让行等驾驶行为数据片段，如换道行为数据片段，提取过程为：交通参与者感知数据中同一TargetID目标物的LaneID发生突变(2to3)，且该TargetID车辆前后LaneID都持续5s以上，认为该TargetID车辆发生换道行为，LaneID突变时刻点认为是换道点，提取换道点前后10s数据为换道行为数据片段。
交通流感知片段包括有不同拥堵程度数据片段，如中度拥堵程度数据片段，提取过程为：交通流检测数据中Level_of_Traffic_Congestion为4的数据为中度拥堵程度数据，提取交通拥堵程度Level_of_Traffic_Congestion为4起始点前10s至结束点后10s数据为中度拥堵程度数据片段。拥堵程度算法参考GB/T29107-2012中5级路段交通状况等级划分。
交通事件感知片段包括有机动车违停、机动车/非机动车逆行、专用车道占用、机动车超速、机动车低速、违法掉头、违规变道、违法压线、行人闯入、占用公交车道、抛洒物、交通事故等交通事件数据片段，如抛洒物数据片段，提取过程为：交通事件检测数据中RteID为11或EventType为“抛洒物”的数据为抛洒物交通事件数据，提取StartTime前10s至(StartTime+Duration)后10s数据段，且交通事件所涉及的交通参与者的ID号TargetID的数据，即为抛洒物交通事件数据片段提取。
进一步地，步骤S5中，交通模拟场景Day1包括有交叉路口碰撞预警、左转辅助、闯红灯预警、绿波车速引导、前方拥堵提醒等场景，交通模拟场景Day2包括有协作式车辆汇入、协作式交叉路口通行、动态车道管理等场景。通过传感器布置在事故易发地路侧采集真实交通数据，建立可重复性和一致性的事故易发地的仿真场景，部署到模型在环(MIL)、软件在环(SIL)、硬件在环(HIL)、车辆在环(VIL)等仿真测试系统中，也可以利用原始数据片段进行数据回注测试。
相比于现有技术，本发明的有益效果是：
首先，通过摄像头、毫米波雷达和激光雷达采集有红绿灯路口、高速公路出入口、无红绿灯路口等事故易发地的目标物及交通消息，可以在较短时间获得大量真实事故易发地的数据；
其次，大量红路灯路口、高速公路出入口、无红绿灯路口等事故易发地的真实数据可以用于建立具有中国驾驶员行为特色的事故易发地仿真场景库，应用于Day1:交叉路口碰撞预警、左转辅助、闯红灯预警、绿波车速引导、前方拥堵提醒等场景，以及Day2:协作式车辆汇入、协作式交叉路口通行、动态车道管理等场景的仿真测试。
附图说明
图1是本发明的构建方法的流程图。
图2是实施例1截取的场景片段图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1-2所示，本发明的实现如下：
实施例1：以交叉路口碰撞预警为例
步骤11：在无红绿灯的十字交叉路口，以1个摄像头、1个毫米波雷达和1个激光雷达为一组路侧感知设备，布置四组路侧感知设备在路口的电警杆、信号灯杆、路灯杆或监控杆上。
步骤12：通过路侧感知设备获得交叉路口车辆的运动信息，包括有类型、速度、加速度、位置、红绿灯消息、交通流信息、交通事故信息、路面其他状况等目标物信息，以及单个车辆直行、紧急制动、转弯、换道、掉头等行为，单个行人等待红绿灯、过人行道等行为。
步骤13：截取驶向路口并保持直行的车辆距离路口前10秒到驶离路口后5秒的片段数据，分析车辆车速、纵向加速度、相对车道的横向位置、侧向速度、侧向加速度等特征参数的变化规律，并对大量数据片段进行统计分析，得到特征参数的波动范围及对应的概率分布、最值、标准差等。截取如图2所示的场景片段，HV驶向路口，RV-1和RV-2从HV左侧驶向路口，且HV的视线被RV-2。分析HV、RV-1和RV-2各自分析车辆相对车道的横向位置、车速、纵向加速度、侧向速度、侧向加速度等特征参数的变化规律，以及HV、RV-1和RV-2车辆间(HV和RV-1、HV和RV-2、RV-1和RV-2)的相对距离、相对速度、相对加速度等，通过统计分析得到特征参数的波动范围及对应的概率分布、最值、标准差等。得到车辆通过交叉路口的典型行为特征，可以在仿真场景中建立相应的交叉路口场景。
步骤14：根据被测件功能点，触发交叉路口碰撞预警功能，结合特征参数统计分析结果，在场景仿真软件中调整HV、RV-1和RV-2的位置关系、车速、加速度、触发条件等，形成大量测试用例。不断调整参数设置颗粒度，无限逼近触发预警的边界条件值。
实施例2：以前方拥堵提醒为例，和仿真测试点进行结合
步骤21：在无红绿灯的十字交叉路口，以1个摄像头、1个毫米波雷达和1个激光雷达为一组路侧感知设备，布置四组路侧感知设备在路口的电警杆、信号灯杆、路灯杆或监控杆上。
步骤22：通过路侧感知设备获得交叉路口车辆的运动信息，并截取畅通、基本畅通、轻度拥堵、中度拥堵、严重拥堵等不同拥堵程度的数据片段。
步骤23：在畅通、基本畅通、轻度拥堵、中度拥堵、严重拥堵等不同拥堵程度的数据片段的基础上，进行前方拥堵提醒仿真场景设计。
步骤24：不同拥堵程度在仿真场景设置对应，可以将对应所有TargetID目标车辆依次在仿真场景中复现，也可以将车流量TrafficFlow和交通拥堵程度Level_of_Traffic_Congestion匹配至仿真场景中随机交通设置，选择某一TargetID目标车辆为基准点，再设置交通流区域、车辆位置分布情况、车辆类型分布情况等。不同拥堵程度在仿真场景设置对应可以验证本车面临不同拥堵程度场景的预警差异。
步骤25：本车信息在仿真场景对应设置，基本本车所在位置可分为以下几种情况：
本车为拥堵路段偏前位置中某一TargetID，以本车为基准点在某一触发条件下形成交通流，验证本车在拥堵路段偏前位置是否正常触发前方拥堵提醒；
本车为拥堵路段偏中间位置中某一TargetID，以本车为基准点在某一触发条件下形成交通流，验证本车在拥堵路段偏中间位置是否正常触发前方拥堵提醒；
本车为拥堵路段偏后位置中某一TargetID，以本车为基准点在某一触发条件下形成交通流，验证本车在拥堵路段偏后位置是否正常触发前方拥堵提醒；
本车在拥堵路段同车道后方位置(影响区域内)，以拥堵路段中任一TargetID目标车辆为基准点在某一触发条件下形成交通流，验证本车在拥堵路段同车道后方位置(影响区域内)是否正常触发前方拥堵提醒；
本车在拥堵路段同车道后方位置(影响区域外)，以拥堵路段中任一TargetID目标车辆为基准点在某一触发条件下形成交通流，验证本车在拥堵路段同车道后方位置(影响区域内)是否误触发前方拥堵提醒；
本车在拥堵路段同车道前方位置，以拥堵路段中任一TargetID目标车辆为基准点在某一触发条件下形成交通流，验证本车在拥堵路段同车道前方位置是否误触发前方拥堵提醒；
本车在拥堵路段左(右)临车道前(后)方位置，以拥堵路段中任一TargetID目标车辆为基准点在某一触发条件下形成交通流，验证本车在拥堵路段左(右)临车道前(后)方位置是否误触发前方拥堵提醒；
本车在拥堵路段远端左(右)车道前(后)方位置，以拥堵路段中任一TargetID目标车辆为基准点在某一触发条件下形成交通流，验证本车在拥堵路段远端左(右)车道前(后)方位置是否误触发前方拥堵提醒；
步骤26：利用不同拥堵程度的数据片段验证正常预警的场景需要判断预警时机是否合适，通过真实车辆在面临不同拥堵程度的场景时，结合提取车辆行为变化(换道、减速)所需时长及相对拥堵路段距离等参数进行判断。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于事故易发地数据的V2X功能测试场景库的构建方法，其特征在于，该构建方法包括以下步骤：
S1：选取合适的事故易发地作为路侧采集数据的发生地；
S2：在发生地部署路侧感知设备；
S3：通过路侧感知设备感知融合获得不同的目标物信息、车流量信息和交通事件类信息并将存储为数据；
S4：截取不同目标物的交通行为信息、车流量信息和交通事件类信息的数据片段，进行统计分析，得到真实特色的事故易发地的典型行为场景库；
S5：根据交通模拟场景Day1和Day2，得不同场景相应特征参数统计范围，利用虚拟场景仿真软件建立具有中国驾驶员行为特色的事故易发地的虚拟仿真功能场景库。
2.如权利要求1所述的一种基于事故易发地数据的V2X功能测试场景库的构建方法，其特征在于，步骤S1中，所述事故易发地包括有红绿灯路口、高速公路出入口、无红绿灯路口。
3.如权利要求1所述的一种基于事故易发地数据的V2X功能测试场景库的构建方法，其特征在于，步骤S2中，路侧感知设备包括有摄像头、毫米波雷达、激光雷达，部署时：以1个摄像头、1个毫米波雷达和1个激光雷达为一组路侧感知设备，布置在路口的电警杆、信号灯杆、路灯杆或监控杆上；十字路口布置4组路侧感知设备，丁字路口布置3组路侧感知设备，高速公路出入口布置1组路侧感知设备。
4.如权利要求1所述的一种基于事故易发地数据的V2X功能测试场景库的构建方法，其特征在于，步骤S3中，数据存储格式包括但不仅限于MP4、CSV。
5.如权利要求1所述的一种基于事故易发地数据的V2X功能测试场景库的构建方法，其特征在于，步骤S3中，目标物信息包含但不限于类型、速度、加速度、位置、尺寸、航向角、所属车道号，交通事件类信息包含但不限于事件ID、事件类型、事件来源、事件位置、事件开始时间及持续时间、影响范围、所属车道号，车流量信息包含但不限于检测时间、统计时间段内的车流量、所属车道号、拥堵程度。
6.如权利要求1所述的一种基于事故易发地数据的V2X功能测试场景库的构建方法，其特征在于，步骤S4中，目标物的交通行为信息包括有单个车辆直行、紧急制动、转弯、换道、掉头等行为，单个行人等待红绿灯、过人行道等行为，车车间的跟车、超车、切入、切出等行为以及人车间的让行。
7.如权利要求1所述的一种基于事故易发地数据的V2X功能测试场景库的构建方法，其特征在于，步骤S4中，截取的数据片段包括有目标物行为感知片段、交通流感知片段、交通事件感知片段。
8.如权利要求1所述的一种基于事故易发地数据的V2X功能测试场景库的构建方法，其特征在于，步骤S5中，交通模拟场景Day1包括有交叉路口碰撞预警、左转辅助、闯红灯预警、绿波车速引导、前方拥堵提醒，交通模拟场景Day2包括有协作式车辆汇入、协作式交叉路口通行、动态车道管理。
CN202211627708.0A 2022-12-16 2022-12-16 基于事故易发地数据的v2x功能测试场景库的构建方法 Pending CN116244900A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211627708.0A CN116244900A (zh) 2022-12-16 2022-12-16 基于事故易发地数据的v2x功能测试场景库的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211627708.0A CN116244900A (zh) 2022-12-16 2022-12-16 基于事故易发地数据的v2x功能测试场景库的构建方法

Publications (1)

Publication Number Publication Date
CN116244900A true CN116244900A (zh) 2023-06-09

Family

ID=86630388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211627708.0A Pending CN116244900A (zh) 2022-12-16 2022-12-16 基于事故易发地数据的v2x功能测试场景库的构建方法

Country Status (1)

Country Link
CN (1) CN116244900A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116778720A (zh) * 2023-08-25 2023-09-19 中汽传媒(天津)有限公司 一种交通工况场景库搭建及应用方法、系统和电子设备
CN117593891A (zh) * 2024-01-19 2024-02-23 长安大学 一种基于高速公路交通大数据的车流量分析系统及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116778720A (zh) * 2023-08-25 2023-09-19 中汽传媒(天津)有限公司 一种交通工况场景库搭建及应用方法、系统和电子设备
CN116778720B (zh) * 2023-08-25 2023-11-24 中汽传媒(天津)有限公司 一种交通工况场景库搭建及应用方法、系统和电子设备
CN117593891A (zh) * 2024-01-19 2024-02-23 长安大学 一种基于高速公路交通大数据的车流量分析系统及方法
CN117593891B (zh) * 2024-01-19 2024-05-07 长安大学 一种基于高速公路交通大数据的车流量分析系统及方法

Similar Documents

Publication Publication Date Title
CN109756867B (zh) 一种基于lte-v的车路协同车载终端应用系统
CN111223302B (zh) 移动载具用外部坐标实时三维路况辅助装置及该系统
CN110248311B (zh) 一种基于智能网联平台的v2i应用功能测试方法
CN108919256B (zh) 四维实景交通仿真车辆超速全程跟踪检测报警系统及方法
CN212160931U (zh) 一种用于车路协同的etc-x系统
CN116244900A (zh) 基于事故易发地数据的v2x功能测试场景库的构建方法
CN109285349B (zh) 车路协同环境下高速公路交通事件检测方法及预警系统
CN112837535A (zh) 交通信息处理方法、装置、系统、设备及存储介质
CN111243274A (zh) 面向非网联交通个体的道路碰撞预警系统及方法
CN211787492U (zh) 基于车路协同技术的交通信号控制及路侧信息交互系统
CN113345267A (zh) 一种基于广义v2x的路口近信号区域预警方法和系统
CN210377838U (zh) 一种基于通用交通数据采集源的车路协同安全预警系统
CN114419874B (zh) 基于路侧感知设备数据融合的目标行车安全风险预警方法
CN109544936B (zh) 基于雷达摄像机的机动车斑马线不礼让行人预警抓拍系统
CN111145533B (zh) 基于城市区域的行人异常交通行为模式识别管控系统
US20240046787A1 (en) Method And System For Traffic Clearance At Signalized Intersections Based On Lidar And Trajectory Prediction
CN110782677A (zh) 一种违规车辆抓拍警示方法及装置
CN115019514B (zh) 一种基于车联网的公路巡查系统
CN108510749A (zh) 交通监测装置及方法
JP2023093660A (ja) 制御装置、制御方法、および、制御装置用プログラム
CN103077608A (zh) 一种取证驾驶员是否故意闯黄灯的方法
CN112185170B (zh) 交通安全提示方法及道路监控设备
WO2019082742A1 (ja) 情報生成装置
CN112034449A (zh) 基于物理空间属性实现对车辆行驶轨迹修正的系统及方法
Tsugawa et al. A survey of present IVHS activities in Japan

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination